欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

用本地 RAG 搭建化工企业安全知识库助手:MSDS 与操作规程不出厂

上邦 AI 工程团队2026-09-07阅读 约 11 分钟
化工企业积累大量安全规程、MSDS、工艺卡片与应急预案,但多散落在文档与纸张中,一线查询慢、易出错。本文给出一条可复现的本地化路线:用 Ollama 运行开源模型,配合 LangChain 与向量库(Chroma)将制度文档切片建库,搭建私有化问答助手。全部推理在内网完成,敏感数据不出厂,适合中小化工与精细化工企业落地。

为什么化工企业适合本地知识库

化工企业的安全规程、MSDS(化学品安全技术说明书)、岗位操作法、应急预案往往分散在 PDF、Word 与纸质卡片中。一线员工在巡检或处置异常时,需要快速、准确地查到对应条款,而把这类资料上传到公共大模型存在数据出境与商业秘密泄露风险。本地部署让模型运行在企业内网服务器,资料不出厂,回答可溯源到具体文档。

整体架构

方案由四部分构成:① 本地模型(Ollama 运行 qwen2.5 等开源模型);② 文档切片与向量化(LangChain 文本分割加中文 embedding);③ 向量库(Chroma 持久化);④ 检索增强生成(RetrievalQA 串联检索与生成)。员工提问时,系统先从本企业资料库检索相关片段,再交给本地模型生成带出处的回答。

环境准备与模型拉取

在已安装 Ollama 的服务器上执行:
ollama pull qwen2.5:7b
ollama pull nomic-embed-text
nomic-embed-text 用于中文文本向量化,qwen2.5 负责理解与生成。显存紧张时可选用更小规格。

构建企业私有知识库

以下 Python 片段演示加载 MSDS 与操作法文档、切片并写入 Chroma:
from langchain_community.document_loaders import DirectoryLoader
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langchain_community.vectorstores import Chroma
from langchain_ollama import OllamaEmbeddings

loader = DirectoryLoader('./chem_docs', glob='**/*.pdf')
docs = loader.load()
splitter = RecursiveCharacterTextSplitter(chunk_size=600, chunk_overlap=80)
chunks = splitter.split_documents(docs)

embeddings = OllamaEmbeddings(model='nomic-embed-text')
vectordb = Chroma.from_documents(chunks, embeddings, persist_directory='./chroma_chem')
vectordb.persist()

接入检索增强问答

用 RetrievalQA 把检索与生成串起来,并开启返回来源:
from langchain_ollama import OllamaLLM
from langchain.chains import RetrievalQA

llm = OllamaLLM(model='qwen2.5:7b')
qa = RetrievalQA.from_chain_type(
    llm, retriever=vectordb.as_retriever(search_kwargs={'k': 4}),
    return_source_documents=True)

result = qa.invoke({'query': '甲苯泄漏的应急处置步骤是什么?'})
print(result['result'])
for d in result['source_documents']:
    print('来源:', d.metadata.get('source'))
由此可确保每一条回答都能追溯到具体文档,满足化工行业对可审计、可溯源的要求。

落地建议

① 先归集 MSDS、岗位操作法、应急预案三类高频文档,跑通端到端流程;
② 由安全与工艺部门对回答做抽检校准,建立人工复核机制;
③ 限定访问权限与审计日志,敏感资料不出域,符合行业合规要求。
说明:本文为工程参考,涉及安全生产的处置仍应以官方规程与专业人员判断为准。

参考来源

Ollama 官方文档 - Ollama;LangChain 官方文档 - LangChain;两部门关于联合实施2026年模数共振行动的通知 - 工业和信息化部、国家数据局。
相关标签:化工AI本地大模型RAG私有化部署知识库

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案